AN INTERNATIONAL COMPARISON OF PARTICIPATION IN LIFELONG LEARNING AND PROBLEM SOLVING ABILITIES FOR OLDER WORKERS
Notice bibliographique
Résumé
For several decades, discussions of lifelong learning have focused heavily on adult education and training (AET) opportunities that provide economic benefits, especially those that help learners maintain or gain job-related skills or competencies so they can remain in the labor force at older ages. This can be especially important for older adult workers, who are at risk for experiencing skills obsolescence, as well as receiving fewer work-related training opportunities than younger workers. Using data from the Program for the International Assessment of Adult Competencies (PIAAC), we examined the relationship between participation in formal and non-formal AET, foundational computer skills (ICT), and problem solving abilities in technology-rich environments (PSTRE) for adults between ages 45–65. U.S. data were compared with data from Canada, Germany, and Japan. The U.S. had comparable levels of participation in AET to comparison countries for employed individuals 45–54 (63%), and the highest rates of participation among adults age 55–65 (59%). Even with these high rates of engagement in AET, employed adults in the U.S. between ages 45–54 scored significantly lower in PSTRE than individuals in comparison countries. Despite these scores, 93% of employed U.S. adults 45–54 said they have the ICT skills necessary for their current job, as did 88% of adults 55–65. The relationship between AET, technology skills in the workforce, and the knowledge economy will be discussed in this presentation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».